采集了1KW的亚马逊数据，就是不懂怎么用

dowall2

willok 发表于 2016-5-10 20:27
"然后就顺便把商品的名字在谷歌的索引量"，这个应该还是有技术难度的，一般的通过程序多访问google几次就 ...

) w; \; ?1 m: T& _- e呵呵，估计你是技术出身的，眼睛够尖锐~~~

trimixed

手动选热卖商品，写review，挂链接，也能赚钱
+ \6 [9 j# m4 R. Q4 \7 c一次选几个，优化一下，扔在那，再去找其他商品
2 P; R; k* F, h1 A1 U: x$ R
( g7 V, V# s: D7 \( y( s8 F6 D0 R那么强的技术能力，采那么多数据，是要自动化赚钱么？

windflower

楼主搞技术的不然深挖下数据看看，或许有新发现。

michael2016

确实有amazon热门商品的挑选工具。
当然lz这个和google挂钩了，应该有些价值的，需要去发掘和实践。
  b; S$ a/ S) A* m3 t
鼓励一下。

BeyondReach

dowall2 发表于 2016-5-10 20:45
7 V( J! M7 v, V: V呵呵，估计你是技术出身的，眼睛够尖锐~~~

如何躲过google的验证码？

Atrus

没什么用处 前面搞的人多了

河小马

dowall2 发表于 2016-5-10 18:01
* R; G; [+ M0 V既不允许本地上传图片，又不允许远程图片链接
' z# \8 v4 p* }
9 M$ ]) T& c  z( P额~~好吧

1 |% y% C+ L/ q' L! V我们允许本地上传图片的

河小马

重点在于流量。。而非采集。。
3 m$ J  W0 a7 o% p! [
论坛里面搞采集的人实在太多了

feego

lz求采集不被robot check的办法

dowall2

想采集谷歌数据，大概做到以下几点：
# t! `- @* X/ [: ]$ L* I
$ N) v; w5 z' q* S; @1 代理IP尽量多，而且不能都在一台服务器，因为所有请求数据都同在一个硬件网络出口的话（例如：网卡，路由），就是说MAC地址一样，这样的话，明显就是一台采集服务器，再多的IP在这台服务器上都是废的

2 不要太急，一般我的经验是，第一次发送关键字查询，间隔时间为20秒比较保险，从返回的搜索结果页面里，模拟点击“下一页”查询，间隔时间为40秒~50秒以上，

0 X) k5 [/ Z  v' t% i请求翻页内容这个比较讲究，尽量做到模拟一个常人的行为去翻页，为什么我要写40~50秒这个区间，记住三点：
1 一个浏览者要点击翻页按钮，肯定会花40~50秒的时间看完了当前页面的内容才去翻页
2 不要每次发送请求的间隔时间都一样，随机在 40~50秒 之间
( y) c) F( V% H( L: ^* K/ p, K3 不要贪得无厌的获取翻页内容，一个正常IP不会经常翻到第8~10页去看内容的，一个IP可以偶尔这样深度翻页获取数据，但经常这样做，只会让你的代理IP过早进入黑名单

* H4 C/ c$ \- U谷歌的搜索系统太智能了，就是一个模拟常人正常使用行为来做相应判断的，一切程序化的都会被识别出来，所以我们的程序也尽量仿人类去执行
: a2 y/ N. P' v8 t- Z( ^$ [9 I% a
% J6 d3 J! Q& E( e( R+ c以上就是很多人把采集时间间隔调得再大，都被谷歌拦住的原因

kongkong0926

dowall2 发表于 2016-5-11 12:21
想采集谷歌数据，大概做到以下几点：

2 D4 w  C9 I: j+ M4 [; Z2 ?1 代理IP尽量多，而且不能都在一台服务器，因为所有请求数据都同在一 ...

6 A" L% b, d/ H- [! s  x4 }$ U4 \楼主是真心分享，把自己的经验说的这么仔细，赞一个。

dersu

亚马逊的数据一直各种渠道都有人采集且提供下载的，大部分需求都不用自己爬了，比如这个，相对被下载的多些：
http://jmcauley.ucsd.edu/data/amazon/
0 @  X6 o6 |: E6 j8 C: z# D! o" ^
PS. C++做爬虫。。。确实屠龙刀做萝卜雕的感觉啊

bluescharp

dowall2 发表于 2016-5-11 12:21
想采集谷歌数据，大概做到以下几点：

: D3 H; ]+ g- q/ c8 ~- A1 代理IP尽量多，而且不能都在一台服务器，因为所有请求数据都同在一 ...

- a$ _1 c( G$ F% [% o9 A* ~我之前用C#模拟浏览器去请求数据，间隔半分钟，但200个请求的时候就被验证码了。
然后验证码的频率越来越高

杰瑞

用什么采集？

dowall2

bluescharp 发表于 2016-5-12 09:09
; V8 U/ f  a8 e: ^- B- `& H我之前用C#模拟浏览器去请求数据，间隔半分钟，但200个请求的时候就被验证码了。
然后验证码的频率越来越 ...

, C* B$ V2 @; v, _8 l1 GOOGLE发回来的COOKIE你发回去没？
2 W% C7 A( T7 U2 HTTP标头的 referer 你填了没？
' d- s. X+ a1 S% k, n3 n
用拦截网络数据的软件，查下浏览器发送了什么数据出去

3 e8 G/ b% y2 i! X; v爬虫要完全模拟一个真实的浏览器去浏览，而不是猛的发请求数据~~~